基于POI數據的江門市房價的空間異質性及其影響因素探究

鐘倩怡 楊曉丹 黃鴻逸

摘 要：文章基于江門市2020年住宅、工廠、高鐵站等興趣點數據，利用緩沖區分析房價與交通便利程度、醫療、科教文化及休閑等基礎設施之間的關系，主要研究江門市房價空間異質性及其影響因素，探討江門居住空間分異過程及形成機制，以期為相關人員提供借鑒。

關鍵詞：POI數據;江門市房價;空間異質性;影響因素

中圖分類號：F299.23 文獻標識碼：A 文章編號：1005-6432（2022）05-0021-02

DOI：10.13939/j.cnki.zgsc.2022.05.021

1 引言

城市居住分異性體現在空間屬性，如居住環境、配套設施等方面的差異，也體現在社會屬性，如不同社會群體的教育水平、經濟能力、生活方式等方面的差異。近些年，我國在城市居住分異的實證研究中獲得了諸多成果，并主要集中在一線城市，如北京、廣州、深圳、上海等，還有武漢、南京、鄭州等個別省會級城市。在我國社會經濟轉型不斷推進的過程中，城市的內部重建與外部擴張也在不斷進行中，社會階層加速分化，城市居住的空間分異性也愈發凸顯。

在住宅市場中，不斷攀升的房價飽受人們關注。在多重因素的影響下，房價具有明顯的空間分異性。近年來，有許多以計量經濟學理論為基礎的統計模型對房價的影響因素進行了研究。湯慶園等（2012）基于2010年12月上海市外環以內的平均房價數據，構建了地理加權回歸模型，分析了上海市房價空間分異及其影響因素[1];李繼玲（2017）利用2005—2015年人口、房地產行業、宏觀經濟等，建立多元回歸模型，探討各因子對房價的影響[2];尹上崗等（2018）以2009—2017年南京市商品房數據為研究單元，運用普通Kriging插值法模擬房價空間分布，并利用地理加權回歸模型探討社區屬性及交通、景觀、商業、服務區位等變量對房價空間分異的影響方式[3]。

在我國快速城市化的背景下，過去的經濟統計數據難以準確反映出現代社會中的城市空間結構特征及演化方向。除此之外，中國人口空間遷移數據的可獲性低、城市中微觀人口統計口徑不完整等因素，都影響了城市居住社會空間結構。數據挖掘作為新一代信息研究的熱門方法，且興趣點（Point of Interest，POI）數據包含一切可抽象為點及與人們生活密切相關的地理對象和實體，從大量的POI數據中尋找影響房價的因素和路徑就顯得很有價值。傅行行（2020）通過采集百度地圖、安居客等數據，分析上海市二手房房價的空間分異性及其與交通、生活設施的相關性強弱[4];張家旗等（2020）從房地產租售平臺中獲取鄭州市主要城市的位置及房價數據，分析房價空間分布特征及其影響要素[5]。

江門作為粵港澳大灣區的重要城市之一，亦是珠三角西部的中心城市之一，被稱為“中國第一僑鄉”。廣東省“十三五”規劃中明確了江門的“五大定位”：珠江西岸先進裝備制造產業基地、珠三角西翼與粵西地區聯系的交通門戶（珠江西岸綜合交通樞紐）、中國國際旅游目的地、全國小微企業創業創新示范市及世界級軌道交通產業基地。可見，江門未來的住宅市場潛力十足，深入研究江門市的空間異質特征及房價的驅動因素，既能理論結合實踐進行探索驗證，也能反映出房地產真實的供需關系。因此，本文以江門市為研究個體，基于POI大數據，利用緩沖區分析方法判斷鄰近度，探究各因素對房價產生影響的空間異質性。研究江門市房價的空間分異性及其影響因素，有助于對江門市新房建成位置及價格進行基本判斷，既為需求者提供了參考，也對政府民生工作起到了指向作用。

2 研究區域

江門市位于廣東省，處于珠江三角洲西部地區，與中國南海相近，與香港和澳門相連，地貌特征是北低西高，屬亞熱帶季風性氣候，總占地面積達9505平方千米，包含3個市轄區和4個縣級市。江門市市級規劃得出東部城市以點帶面全面發展，西部城市以開平市和臺山市為副核心對外輻射;在交通方面，市區預計進入地鐵起步階段，蓬江區途經站點最多;在人才引進方面，江門市入戶門檻降低、加大力度吸聚人才;在重大項目上，江門市2019年的重點建設正式項目及預備項目計劃啟動，積極參與粵港澳大灣區建設。總結上半年全市各區的土地價格，僅江海和開平價格實現突破，臺山整體供求量價表現較為不佳，蓬江區供應量最大，鶴山市和恩平市成交量最大。江門市樓面地價對比2018年情況，整體價格下降明顯，高價地項目數量減少。2019年中心城區整體用地供應上升，主要集中工業和商住用地，同時三舊改造商住和商服項目集中在下半年，新會區為三舊改造商住項目重點關注區域。由于全市住宅庫存自2018年起持續積壓，2019年下半年至2020年上半年江門市住宅市場將進入以消化庫存為主的基調，去庫存形勢逐漸明顯。由于上半年除鶴山外其他區市成交量均下降，各區市供應充盈、庫存上升，導致下半年價格上升空間有限，甚至部分區域出現以價換量跡象。

3 數據來源及預處理

利用高德API在高德地圖上采集江門市的公交站POI 3583個、長途汽車站POI 79個、高鐵站POI 8個、醫院POI 262個、公園廣場POI 361個、商場POI 230個及學校POI 1091個。

通過Anaconda 3軟件編寫爬蟲程序，爬取安居客中全部新房的名稱、地址、格局、建筑面積及價格等信息。去除爬取到的異常數據，如金地名悅未開盤，售價待定;鳳山水岸Ⅱ譽城、中凱豪庭等洋房已售完，剩余在售車位16萬元/個;以及錯誤歸入樓盤信息的江門義烏小商品批發城商戶信息，共309個新房數據。并且，通過利用房產名字和地址兩個變量，調用高德地圖API和百度地圖API獲取經緯度，與“https：//www.metrodata.cn/poi”地圖工具查詢POI進行比對，發現百度地圖的經緯度體系與本文的經緯度存在偏差。因此，利用地址變量及調用高德地圖API查出的經緯度，可以得出更為精確的結果。

為深入分析房價影響因素的空間異質性及其形成原因，利用爬取到的數據，對江門市房價空間分布格局進行初步分析，利用高德地圖將新房數據進行可視化：從全市新房的空間分布來看，市轄區與縣級市住宅數量相差懸殊，新房源大多集中在三個市轄區，其他房源依托高速道路零散地分布在四個縣級市;從全市新房房價的熱力圖來看，價格走勢呈現出三個市轄區高、四個縣級市低的特征，并且各區各市的房價圍繞其中心往外影射、逐漸降低。房屋集中程度及房價受限于當地的交通便利程度、醫療、科教文化及休閑等基礎設施的發展水平。市轄區相比于縣級市，基礎設施相對完善，既適宜居民居住，開發商也更愿意在老區建造高品質的商業住宅。然而，新市大多土地屬于農業用地，開發水平低，開發成本高，缺乏從零開始的居住空間，城市基礎設施建設不足，因而可能導致新房較少、房價偏低。

4 研究方法及結果

緩沖區分析指以點、線、面實體為基礎，根據指定距離，自動在一定寬度范圍內建立多邊形圖層，建立該圖層與目標圖層的疊加，從而對地理空間中兩個目標物的鄰近度問題進行分析的空間分析工具之一。

在交通便利程度與住宅價格空間分布關系上，距離中心道路越近、站點越多，住宅點數量越多，且住宅價格也越高。在醫療設施、科教文化、休閑等基礎設施與住宅價格空間分布關系上，醫療設施與高房價住宅的集中分布區域大致吻合，且醫療設施的密度與房價呈正相關，與新房數量呈負相關，說明房價較低的住宅區醫療條件也較差，需要加強醫療設施建設，以促進基本公共服務的均等化發展;教育設施與房價呈負相關，說明房價較低的住宅區域教育設施還不夠完善，需要進一步建設;超市、公園、商城與住宅點的集中分布區域表現出較高的空間相關性，幾乎完全一致，新房（多為高價格住宅）周邊一般要配有相應的休閑設施，開發商通常擔任建設一整片區域的責任。

5 結論與政策啟示

本文研究江門市房價影響因素的空間分異問題，以江門市為研究個體，基于POI大數據，利用緩沖區分析方法判斷鄰近度，探究交通便利程度、醫療、科教文化及休閑等基礎設施等不同因子對房價產生影響的空間異質性。結果表明：首先，市轄區與縣級市住宅數量相差懸殊，新房房源大多集中在蓬江區、江海區及新會區三個市轄區，其他房源依托高速道路零散地分布在臺山市、開平市、鶴山市及恩平市四個縣級市;其次，價格走勢同樣呈現出市轄區高、縣級市低的特征，并且各區各市的房價圍繞其中心往外影射、逐漸降低。房屋集中程度及房價受限于當地的交通便利程度、醫療、科教文化及休閑等基礎設施的發展水平。并且，交通便利程度和教育設施密度與新房數量及房價呈正相關關系;醫療設施、休閑設施密度與新房數量呈負相關關系，與房價呈正相關關系。因此，在城市化逐步推進的大背景下，本文提出具體的政策建議如下：一是加強落后地區發展基礎建設，促進區域協調發展;二是科學制定城市長遠發展規劃，優化各級住宅布局。

參考文獻：

[1]湯慶園，徐偉，艾福利.基于地理加權回歸的上海市房價空間分異及其影響因子研究[J].經濟地理，2012，32（2）：52-58.

[2]李繼玲.房價波動影響因素研究：基于2005—2015年數據的實證分析[J].經濟問題探索，2017（9）：30-37.

[3]尹上崗，宋偉軒，馬志飛，等.南京市住宅價格時空分異格局及其影響因素分析：基于地理加權回歸模型的實證研究[J].人文地理，2018，33（3）：68-77.

[4]傅行行.上海市二手房價格空間分布及其影響因素研究[J].上海房地，2020（7）：11-15.

[5]張家旗，劉晏男.鄭州市主城區住宅價格空間分布格局及其影響因素研究[J].北京測繪，2020，34（6）：797-801.

[作者簡介]鐘倩怡（1997—），女，廣東江門人，碩士，研究方向：應用經濟學;楊曉丹，女，廣東潮州人，就讀于廣東工業大學，研究方向：金融工程;黃鴻逸（1997—），男，廣東佛山人，碩士，研究方向：應用經濟學。